16259.基于刪失數(shù)據(jù)的組合分位數(shù)回歸_第1頁
已閱讀1頁，還剩45頁未讀， 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、ADissertationSubmittedinPartialFulfillmentoftheRequirementsfortheDegreeofMasterinScienceJ_‘●一■CompositequantileregresslonI0rcensoreddataMasterCandidate：Major：Supervisor：LiuXiStatisticsHeXiaoxiaWuhanUniversityofScienceand

2、TechnologyWuhan，Hubei430081，PRChinaDecember2015摘要本文主要研究了在刪失數(shù)據(jù)下回歸函數(shù)的局部組合分位數(shù)回歸估計(jì)的大樣本性質(zhì)。首先，我們介紹了分位數(shù)回歸的基本思想和主要的研究結(jié)果，并介紹了常見的刪失數(shù)據(jù)的類型。然后，我們運(yùn)用加權(quán)組合分位數(shù)損失估計(jì)方法實(shí)現(xiàn)了刪失數(shù)據(jù)的組合分位數(shù)回歸。引進(jìn)高維核函數(shù)與刪失數(shù)據(jù)的K—M估計(jì)作為損失函數(shù)的權(quán)重，樣本數(shù)據(jù)為隨機(jī)刪失數(shù)據(jù)，估計(jì)模型中非參數(shù)函數(shù)的在某一點(diǎn)的值

3、，并得到其漸近正態(tài)性，從得出的結(jié)果中比較局部線性分位數(shù)回歸估計(jì)與局部線性最小二乘估計(jì)的不同漸近效率，分析二者的相對效率，采用隨機(jī)數(shù)據(jù)模擬的方法驗(yàn)證本文所采用估計(jì)方法在刪失數(shù)據(jù)樣本下的性質(zhì)。針對不同的誤差分布類型得到不同的數(shù)據(jù)結(jié)果，從而更為有力的論證理論部分的結(jié)論。本文主要建立了基于刪失數(shù)據(jù)的組合分位數(shù)回歸模型，由于數(shù)據(jù)的不完整性，在計(jì)算過程中，需要充分運(yùn)用KM估計(jì)的性質(zhì)簡化計(jì)算，達(dá)到了較為滿意的結(jié)果。關(guān)鍵詞：KM估計(jì)；加權(quán)組合分位數(shù)回歸

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論